Pages Menu
TwitterRssFacebook
Categories Menu

Gepostet on Jan 14, 2015 in Marketing, Vertrieb | Keine Kommentare

Predictive Analytics: Prognosen für alle Fälle

Predictive Analytics: Prognosen für alle Fälle

Mithilfe von Big Data, also großen Datenmengen, lassen sich nicht nur Daten analysieren. Es ist auch möglich, auf Basis dieser Daten Prognosen zu treffen, der Fachbegriff dafür ist Predictive Analytics. Verschiedene mathematische Modelle, Algorithmen und statistische Berechnungen sorgen dafür, dass die Voraussagen valide und reliabel werden. Für Unternehmen kann es ein großer Wettbewerbsvorteil sein, schon heute zu wissen, was ihre Kunden morgen brauchen.

 

binärcode, code, daten, big data, predictive analytics

Big Data – die Basis für Predictive Analytics. (Bild: Markus Vogelbacher / pixelio.de)

Data Mining: Grundlage für Predictive Analytics

Grundlage der Datenanalyse für Prognosen ist das so genannte Data Mining. Es umfasst Clustering, Entscheidungsbäume, neuronale Netze und Assoziationsanalysen. Auf Basis dieser Datenanalysen können dann statistische Berechnungen durchgeführt werden, die Prognosen möglich machen. Unternehmen können solche Analysen und Prognosen z.B. bei dastani.de durchführen lassen. Predictive Analytics bietet für verschiedenste Branchen ganz konkrete Chancen, ihre Arbeitsabläufe effizienter zu machen und so den Umsatz zu erhöhen.

Kundenbindung verbessern

Im Customer Relationship Management (CRM) kann Predictive Analytics dazu eingesetzt werden, die Kündigungsabsicht von Kunden frühzeitig zu erkennen. So können den Kunden beispielsweise spezielle Angebote gemacht werden, so dass diese später oder sogar gar nicht kündigen. Im Online-Handel ist Predictive Analytics dafür verantwortlich, dass Kunden individuelle Produktvorschläge bekommen.

Genauere Dispositionsplanung

Um Lagerkapazitäten optimal auszuschöpfen, kann Predictive Analytics im Groß- und Einzelhandel eingesetzt werden. Durch Algorithmen wird bestimmt, welche Produktmengen in bestimmten Zeiträumen vorhanden sein müssen, damit es nicht zu Lieferengpässen kommt. Gleichzeitig wird so die Lagerung überschüssiger Ware reduziert, so dass Lagerkosten gesenkt werden können.

Risiken minimieren

Die Prognosen auf Basis von Big Data können zudem in der Versicherungs- und Finanzbranche eingesetzt werden, um Schadensrisiken und Kreditwürdigkeit von Kunden zu beurteilen. Die Vertragskonditionen können dadurch dem individuellen Risiko der Kunden angepasst werden: Verlässliche Kunden werden durch günstige Bedingungen gewonnen, während solche mit hohem Risikopotenzial eher abgeschreckt werden.

Heilungschancen verbessern

Auch im Gesundheitswesen hat Predictive Analytics positive Effekte: Zum einen kann die Auswertung der Daten, die moderne medinische Geräte wie CT, MRT oder Röntgen produzieren, die Heilungschancen der Patienten verbessern. Denn die Datenanalyse gleicht die Symptome mit ähnlichen Fällen ab und hilft so dabei, schneller die richtige Diagnose zu stellen und die Behandlung entsprechend anzupassen. Die Verschreibung von Medikamenten wird dadurch ebenfalls optimiert: Und zwar hinsichtlich Wirkung und Kosten. So können auch Krankenkassen und Krankenhäuser Behandlungskosten senken – Einsparungen, die letztlich der Allgemeinheit zu Gute kommen.

Kommentar absenden

Deine E-Mail-Adresse wird nicht veröffentlicht.

  • RSS
  • Facebook
  • Google+
  • Twitter
  • Pinterest